Анализ влияния валютного курса на отраслевые фондовые индексы по сравнению с другими факторами

(1)

где - фондовый индекс для конкретной отрасли i, - номинальный эффективный валютный курс доллара, - индекс промышленного производства, который показывает экономическую активность в стране, - индекс потребительских цен, - номинальное предложение денег.

Авторы отмечают, что оценка параметра b может быть как положительной, так и отрицательной в зависимости от количества экспортоориентированных фирм против количества импортоориентированных фирм в конкретной отрасли. Экономическая активность и цены акций положительно связаны, т.к. с ростом экономической активности ожидаемые доходы компаний возрастают, следовательно, повышаются цены их акций. Авторы предполагают, что влияние индекса потребительских цен на отраслевые индексы будет негативным. Индекс потребительских цен показывает уровень цен в стране, а при росте инфляции увеличиваются цены на выпускаемую продукцию, что приводит к сокращению будущих доходов фирм и, как следствие, к падению цен на их акции. Увеличение предложения денег приводит к снижению процентных ставок, следовательно, увеличивается уровень инвестиционных вложений в экономику, что в свою очередь увеличивает прибыль фирм, и цены на акции растут. Но с другой стороны, увеличение предложения денег может вызвать рост инфляции, что негативно скажется на ценах акций. Следовательно, увеличение предложения денег может как негативно, так и положительно влиять на цены акций. Таким образом, все факторы, включенные в модель, влияют на цены акций фирм и, соответственно, на отраслевые фондовые индексы.

Также была использована еще одна модель, которая позволяет сделать вывод о симметричности или асимметричности влияния валютного курса на отраслевые фондовые индексы. Асимметричное влияние означает, что колебание валютного курса оказывает такое негативное влияние на значение отраслевого индекса, что данное значение не может вернуться на предыдущий уровень за счет обратного изменения валютного курса. Авторы вводят в предыдущую модель две новые переменные POS и NEG, равные сумме положительных и отрицательных изменений валютного курса, соответственно. При анализе краткосрочного и долгосрочного периода используются две модели: линейная авторегрессионная модель с лаговыми переменными и нелинейная авторегрессионная модель с лаговыми переменными.

Модели были применены для анализа 11 отраслевых фондовых индексов: промышленный индекс Доу-Джонса, транспортный индекс Доу-Джонса, индекс коммунальных компаний Доу-Джонса, банковский индекс NASDAQ, биотехнический индекс NASDAQ, компьютерный индекс NASDAQ, промышленный индекс NASDAQ, страховой индекс NASDAQ, транспортный индекс NASDAQ, телекоммуникационный индекс NASDAQ и индекс компаний, деятельность которых связана с разработкой, производством и продажей полупроводников, PHLX. Для проведения исследования используются месячные данные, что обуславливается тем, что данные большей частоты невозможно найти.

Сначала авторы проверили на данных стандартную линейную модель, которая подразумевает, что эффект влияния валютного курса на отраслевые фондовые индексы является симметричным. Далее они используют нелинейную модель, чтобы проверить, симметричное или асимметричное влияние оказывает изменение валютного курса на отраслевые фондовые индексы. Было найдено, что в большинстве секторов валютный курс оказывает асимметричное влияние на отраслевой индекс в краткосрочном, а также в долгосрочном периоде.

Авторы обнаружили, что в долгосрочном периоде валютный курс оказывает асимметричное влияние на 6 из 11 фондовых отраслевых индексов. К таким индексам относятся промышленный индекс Доу-Джонса, биотехнический индекс NASDAQ, компьютерный индекс NASDAQ, промышленный индекс NASDAQ, страховой индекс NASDAQ и телекоммуникационный индекс NASDAQ. В пяти отраслях, исключая промышленную отрасль, при обесценении доллара наблюдается положительный эффект на биржевые цены индексов данных отраслей, однако при укреплении доллара не наблюдается никакого эффекта на данные индексы. В краткосрочном периоде наблюдается отрицательное влияние валютного курса на индексы для всех отраслей, кроме банковской отрасли, однако авторы этого не объясняют. Кроме того, в краткосрочном периоде влияние валютного курса на отраслевые фондовые индексы является асимметричным для всех отраслей. Таким образом, осведомленность инвесторов об ассиметричном эффекте влияния валютного курса на отраслевые фондовые индексы в конкретных отраслях позволит им формировать свои ожидания относительно доходности индексов и учитывать это при формировании инвестиционных портфелей.

Также авторы обнаружили, что уровень экономической активности оказывает значительное долгосрочное влияние на цены индексов 10 из 11 отраслей, уровень инфляции оказался значительным в пяти отраслях, а денежная масса лишь в одной отрасли. Уровень экономической активности авторы признают основным детерминантом значения большинства отраслевых фондовых индексов. Таким образом, фискальная и монетарная политики, которые используются для обеспечения стабильных цен и роста экономики, в конечном итоге приводят к созданию благоприятной экономической и здоровой среды для инвесторов на фондовом рынке.

Большинство научных работ находят подтверждения влияния валютного курса на фондовый рынок. Характер данного влияния может быть как положительный, так и отрицательный. Таким образом, целесообразно провести исследование влияния валютного курса на отраслевые индексы для российского фондового рынка и найти специфические особенности данного влияния.

3. Модель сравнительного влияния валютного курса на отраслевые фондовые индексы.

3.1 Выборка

Как упоминалось ранее, существует ряд работ, анализирующих влияние валютного курса на фондовый рынок в России и ряде других развивающихся и развитых стран. Однако работ, изучающих влияние валютного курса на отраслевые фондовые индексы, не так много, а для России такие исследования и вовсе отсутствуют. Это может быть связано с тем, что российский фондовый рынок является сравнительно молодым. Возможно, ученые не были заинтересованы в исследованиях на российском фондовом рынке, т.к. данные были доступны за ограниченный временной период. Однако в настоящий момент существует достаточное количество данных для проведения полноценного исследования, и большинство российских отраслевых фондовых индексов рассчитываются с мая 2007 года.

Отраслевые фондовые индексы представляют собой ценовые взвешенные по рыночной капитализации индексы наиболее ликвидных акций российских эмитентов, деятельность которых относится к соответствующему сектору экономики, допущенных к обращению на Московской бирже и включенных в базу расчета индекса Широкого рынка. Таким образом, изменение котировок отраслевого фондового индекса позволяет понять, что происходит с акциями компаний конкретной отрасли в настоящий момент. Анализ влияния валютного курса на отраслевые фондовые индексы позволит выявить отрасли, наиболее зависимые от валютных колебаний, что в будущем позволит предсказывать изменения значений индексов и котировки акций компаний определенной отрасли в зависимости от изменения валютного курса.

Для исследования сравнительного влияния валютного курса на отраслевые фондовые индексы в выборку было включено 8 отраслевых индексов Московской биржи. Это индексы ММВБ следующих отраслей: машиностроение, металлургия, нефть и газ, потребительский сектор, телекоммуникации, финансы, химия и нефтехимия, энергетика. Индекс ММВБ транспортной отрасли не включен в выборку, т.к. его начали рассчитывать только в сентябре 2015 года, а небольшое количество наблюдений не позволит получить качественные оценки параметров регрессии. В работе используются месячные данные, что обусловлено тем, что данных большей частоты по макроэкономическим переменным, включаемым в анализируемую модель невозможно найти. Период исследования определяется отдельно для каждого отраслевого индекса, т.к. начальные даты расчета индексов различаются для каждого индекса. Сводная информация по индексам, отобранным для анализа, и периодам их расчета представлена в таблице 2.

Таблица 2. Отраслевые фондовые индексы ММВБ

В качестве объясняющих факторов были выбраны валютный курс доллара США в рублях, индекс потребительских цен, индекс промышленного производства и номинальное предложение денег. Данные факторы были выбраны на основе логического анализа, а также анализа литературы. Объясняющие факторы представлены в таблице 3.

Таблица 3. Описание объясняющих переменных

3.2 Тестирование входящих данных и спецификация модели

Первоначально важно рассмотреть описательную статистику входящих в модель данных. Это поможет сразу же протестировать данные на гетероскедастичность - неоднородность наблюдений. При логарифмировании переменных стандартное отклонение уменьшается, таким образом, логарифмирование позволит справиться с проблемой гетероскедастичности на начальном этапе. Для всех переменных, кроме индекса потребительских цен, индекса промышленного производства и валютного курса, стандартное отклонение оказалось высоким. Было применено логарифмирование ко всем переменным, чтобы уменьшить дисперсию переменных и сохранить одинаковую спецификацию, после чего описательная статистика стала выглядеть следующим образом (таблица 4).

Таблица 4. Описательная статистика логарифмированных переменных

После проведения логарифмирования не наблюдается высоких значений стандартного отклонения для всех переменных. Таким образом, используемая модель для определения влияния валютного курса на отраслевые фондовые индексы будет выглядеть следующим образом:

(2)

Однако проверив логарифмированные данные на гетероскедастичность с помощью тестовой статистики, тест Бройша-Пагана показал отсутствие гомоскедастичности на разумном уровне значимости для всех моделей, кроме моделей для индексов машиностроения и энергетики. Для индексов металлургии, нефти и газа, потребительского сектора, телекоммуникаций, финансовой отрасли, химии и нефтехимии не было найдено подтверждения гомоскедастичности остатков, значит, результаты регрессии не будут эффективными, а полученные оценки коэффициентов окажутся смещенными и несостоятельными. Чтобы этого не происходило, при анализе моделей для данных индексов будет применена поправка Уайта, которая сохраняет оценки коэффициентов несмещенными и состоятельными при наличии гетероскедастичности. Для анализа моделей для индексов машиностроения и энергетики применение данной поправки не требуется, т.к. случайные ошибки модели гомоскедастичны (P-value > 0.1).

Для построения модели также необходимо подтвердить отсутствие мультиколлинеарности - линейной зависимости между объясняющими переменными в модели. Наличие мультиколлинеарности может привести к увеличению стандартных ошибок коэффициентов, однако оценки коэффициентов останутся несмещенными. Подсчет коэффициентов вздутия дисперсии позволит произвести проверку наличия мультиколлинеарности в модели. Рассчитанные коэффициенты вздутия дисперсии (VIF) для регрессантов представлены в таблице 5.

Таблица 5. Коэффициенты вздутия дисперсии для регрессантов

Наличие мультиколлинеарности могут подтвердить только значения коэффициентов вздутия дисперсии больше 3. Как показано в таблице 5, для всех переменных, включенных в модель коэффициенты вздутия дисперсии ниже 3, что означает, что в модели отсутствует мультиколлинеарность. Следовательно, отсутствует зависимость между регрессантами.

Наличие автокорреляции в модели может привести к несостоятельности оценок коэффициентов. Для тестирования автокорреляции был применен тест Бройша-Годфри для всех моделей.

Тест Бройша-Годфри показал, что гипотеза об отсутствии автокорреляции отвергается для всех моделей, поскольку p-value меньше любого разумного уровня значимости. Наличие автокорреляции в данной модели можно объяснить тем, что данные связаны во времени. Следовательно, оценки коэффициентов такой модели окажутся несостоятельными. Однако эту проблему может решить введение поправки к матрице ковариации оценок коэффициентов. Таким образом, матрица ковариации оценок коэффициентов будет состоятельна при автокоррелированности остатков. Обычно используется поправка Ньюи и Веста, которая сводится к поправке Уайта при количестве лагов равном 0. В исследуемой модели отсутствуют лаговые переменные, следовательно, применение поправки Уайта для всех моделей поможет избежать проблемы несостоятельности оценок коэффициентов.

Проверив все модели на правильную спецификацию с помощью теста Рамсея, были получены результаты, что модель (2) применима для индексов машиностроения, нефти и газа, потребительского сектора и телекоммуникаций. Результаты теста Рамсея представлены в таблице 6. P-value > уровня значимости = 1%, следовательно модель правильно специфицирована для данных индексов.

Таблица 6. Результаты теста Рамсея для индексов машиностроения, нефти и газа, потребительского сектора и телекоммуникаций

Единая модель оценки сравнительного влияния валютного курса на отраслевые фондовые индексы ко всем отраслям не подходит. Для индексов металлов и добычи, финансовой отрасли, химии и нефтехимии, энергетики модель (2) не позволяет идеально описать отношения между значениями индекса и валютным курсом, поэтому для них модели были расширены с помощью добавления новых переменных. Введение переменной, равной натуральному логарифму цены золота в рублях, позволяет правильно специфицировать модель для индексов металлов и добычи, химии и нефтехимии и энергетики. Данные о цене золота были взяты с сайта инвестиционной компании Финам. Введение данной переменной объясняется тем, что в кризисные периоды, участники рынка могут выводить свои средства с фондовых рынков и переводить их в драгоценные металлы, которые являются альтернативными активами. Следовательно, цена золота должна оказывать влияние на отраслевые фондовые индексы, причем ожидается, что характер данного влияния будет отрицательным, т.к. рост цены золота означает отток средств с фондового рынка и снижение отраслевых фондовых индексов. Модель для определения влияния валютного курса на отраслевые фондовые индексы металлов и добычи, химии и нефтехимии и энергетики выглядит следующим образом:

(3)

Тест Рамсея подтвердил правильную спецификацию модели (3) для индексов металлов и добычи, химии и нефтехимии и энергетики.

Значение p-value больше уровня значимости 1% для всех трех индексов.

Введение натурального логарифма цены золота для финансовой отрасли не дало положительного результата, модель так и осталась неправильно специфицированной, p-value < 1%. Поэтому была введена переменная, равная натуральному логарифму объема привлеченных кредитными организациями вкладов физических лиц в миллионах рублей, данные по этой переменной были взяты с сайта Банка России. Прибыль финансовых организаций зависит от привлеченных денежных средств, которые впоследствии выдают в виде кредитов, а объем привлеченных средств и прибыль находятся в прямой зависимости при прочих равных условиях. Поэтому новая переменная должна быть важна для фондового индекса финансовой отрасли. Модель для фондового индекса финансовой отрасли выглядит следующим образом:

(4)

Тест Расмея подтвердил, что модель (4) правильно специфицирована, следовательно, ее можно применять для оценки влияния валютного курса на фондовый индекс финансовой отрасли.

Для модели (3) для отраслевых фондовых индексов металлов и добычи, химии и нефтехимии и энергетики, а также для модели (4) для фондового индекса финансовой отрасли были заново проведены тесты на гетероскедастичность, мультиколлениарность и автокорреляцию данных.

Тест Бройша-Пагана на гетероскедастичность на уровне значимости 5% показывает, что остатки не являются гомоскедастичными для отраслевых фондовых индексов металлов и добычи, химии и нефтехимии и финансов, следовательно, необходимо применить поправку Уайта для моделей, соответствующих данным индексам. Для модели для индекса энергетики поправка Уайта не нужна, т.к. остатки гомоскедастичны. Коэффициенты вздутия дисперсии для моделей для индексов металлов и добычи, химии и нефтехимии, энергетики показывают значения больше 3 только для переменной денежной массы, данный коэффициент равен 5,49, что не является сигналом о наличии сильной мультиколлениарности. При оценке модели для индекса финансовой отрасли наблюдается мультиколлениарность между переменными, но связь не является чрезмерно сильной и не будет оказывать влияния на обще качество модели. Тест Бройша-Годфри выявил для всех четырёх индексов наличие автокорреляции, что, как было ранее указано, для моделей без лаговых переменных устраняется с помощью поправки Уайта. Таким образом, для получения истинных оценок коэффициентов необходимо применить поправку Уайта для всех моделей.

Чтобы оценки коэффициентов являлись лучшими в классе линейных несмещенных оценок, необходимо выполнение всех условий теоремы Гаусса-Маркова. Подтвердим выполнение всех условий далее.

1) Условие, что модель правильно специфицирована, выполняется, т.к. тест Рамсея для моделей для всех отраслевых фондовых индексов показал правильную спецификацию;

2) Условие, что все в модели детерминированы и не равны между собой, подтверждается выборкой данных для модели;

3) Условие, что ошибки не носят систематический характер, подтверждается тем, что в модель включен свободный член, не равный 0, который отражает любую систематическую, но постоянную составляющую в Y;

4) Условие, что дисперсия ошибок одинакова и равна некоторой , выполняется, т.к. используется поправка Уайта, которая исключает наличие гетероскедастичности ошибок в моделях;

5) Условие, что ошибки не коррелированы, также выполняется, т.к. к каждой модели применяется поправка Ньюи и Веста, которая сводится к поправке Уайта при количестве лагов равном 0.

Таким образом, все условия теоремы Гаусса-Маркова выполняются и можно оценить коэффициенты в моделях.

3.3 Результаты регрессионного анализа отраслевых фондовых индексов

Для всех моделей была применена поправка Уайта, которая позволяет сохранить результаты регрессии такими, какими они были бы при некоррелированности ошибок и при одинаковой их дисперсии. Таким образом, полученные оценки коэффициентов являются лучшими в классе линейных несмещенных оценок и описывают реальные отношения между отраслевыми фондовыми индексами и регрессантами.

Для модели отраслевого фондового индекса машиностроения результаты регрессии представлены в таблице 7. Валютный курс оказывает значимое влияние на отраслевой фондовый индекс машиностроения.

Таблица 7. Результаты регрессии для индекса машиностроения

Для определения влияния валютного курса на отраслевой фондовый индекс металлов и добычи используется модель (3) с поправкой Уайта. Результаты представлены в таблице 8.

Таблица 8. Результаты регрессии для индекса металлов и добычи

Для индексов нефти и газа, потребительского сектора и телекоммуникаций была применена модель (2) с поправкой Уайта, результаты представлены в таблицах 9, 10 и 11 соответственно.

Таблица 9. Результаты регрессии для индекса нефти и газа

Таблица 10. Результаты регрессии для индекса потребительского сектора

Таблица 11. Результаты регрессии для индекса телекоммуникаций

Для оценки сравнительного влияния валютного курса на фондовый индекс финансовой отрасли в модель был включен объем привлеченных на депозиты средств физических лиц. Эта переменная оказывает влияние на цену акций финансовых компаний, т.к. при прочих равных условиях увеличение объема депозитов приводит к увеличению прибыли кредитных организаций. Таким образом, объем депозитов будет влиять и на величину фондового индекса финансовой отрасли. Валютный курс также должен оказывать значимое влияние на индекс, т.к. финансовая отрасль тесно связана с валютным рынком, и финансовые организации работают со средствами в иностранной валюте. Результаты оценки модели (4) с поправкой Уайта для фондового индекса финансовой отрасли представлены в таблице 12.

Таблица 12. Результаты регрессии для индекса финансовой отрасли

Для индекса химии и нефтехимии применяется модель (3) с поправкой Уайта. Результаты представлены в таблице 13.

Таблица 13. Результаты регрессии для индекса химии и нефтехимии

Для индекса энергетики была применена модель (3) с поправкой Уайта, результаты регрессии представлены в таблице 14.

Таблица 14. Результаты регрессии для индекса энергетики

В таблицах 7-14 представлены результаты регрессий для всего временного промежутка, на котором рассчитаны отраслевые фондовые индексы. Однако чтобы посмотреть, как менялось влияние валютного курса на отраслевые фондовые индексы со временем, были оценены регрессии по годам для каждого индекса и выписаны коэффициенты перед переменной валютный курс. Результаты регрессий по годам приведены в таблице 15.

Таблица 15. Влияние валютного курса на отраслевые фондовые индексы по годам

3.4 Интерпретация полученных результатов

Для всех отраслевых фондовых индексов, кроме индекса потребительского сектора и энергетики, в краткосрочном периоде было выявлено значимое влияние валютного курса (таблица 16). В потребительском секторе и отрасли энергетики изменение валютного курса не оказывает значимого влияния на величину отраслевого фондового индекса, что может быть объяснено тем, что спрос населения на потребительские товары и электроэнергию не зависит от изменения валютного курса и остается постоянным при колебаниях валютного курса.

Таблица 16. Влияние увеличения валютного курса на отраслевые фондовые индексы

Наибольшее влияние валютный курс за весь рассматриваемый период оказывает на отраслевые фондовые индексы машиностроения, телекоммуникаций, химии и нефтехимии (таблица 7, таблица 11, таблица 13). При увеличении валютного курса на 1% индекс химии и нефтехимии увеличивается на 0,98%, индекс машиностроения уменьшается на 0,73%, а индекс телекоммуникаций уменьшается на 0,65%. Наименьшее процентное влияние валютный курс оказывает на отраслевой фондовый индекс нефти и газа. При увеличении валютного курса на 1% индекс нефти и газа увеличивается на 0,27%. Без дополнительной информации и ее анализа объяснить эту разницу невозможно.

Валютный курс - это не единственный фактор, который определяет величину отраслевых фондовых индексов, однако масштаб влияния валютного курса по сравнению с другими факторами отличается в зависимости от конкретного индекса. Стоит заметить, что ни один индекс при увеличении валютного курса на 1% не изменяется больше, чем на 1%. В то время как, при увеличении других факторов на 1% отраслевые фондовые индексы могут изменяться больше, чем на 1%, например, при увеличении индекса потребительских цен на 1% отраслевой фондовый индекс машиностроения уменьшается на 2,1%. Наибольшим масштабом влияния валютного курса на отраслевые фондовые индексы отличаются индекс машиностроения, химии и нефтехимии, телекоммуникаций, т.к. они обладают наибольшим влиянием валютного курса при сравнительно небольшом влиянии остальных факторов. Наоборот, наименьший масштаб влияния валютного курса наблюдается для индекса финансовой отрасли, т.к. сильное влияние на значение отраслевого фондового индекса оказывают индекс потребительских цен, при увеличении которого на 1 % индекс снижается на 23%, и объем денежной массы, увеличение которой на 1% приводит к росту индекса на 2,3%, а влияние валютного курса составляет только 0,5%. Также небольшим масштабом влияния валютного курса отличаются отраслевые фондовые индексы нефти и газа, металлов и добычи.

Однако не все модели с высокой точностью описывают процесс зависимости отраслевых фондовых индексов от ряда выбранных факторов. Для индекса металлов и добычи модель не соответствует данным, значение R-квадрата равно 0,17 (таблица 8), следовательно, реальная зависимость между отраслевым фондовым индексом металлов и добычи и валютным курсом может отличаться от найденной в работе. Модель хорошо подходит для выявления отношений между валютным курсом и отраслевыми фондовыми индексами химии и нефтехимии (R2 = 0,90), нефти и газа (R2 = 0,78), потребительского сектора (R2 = 0,73), финансовой отрасли (R2 = 0,56). Для остальных отраслевых фондовых индексов коэффициент детерминации ниже 0,5.

Влияние валютного курса на отраслевые фондовые индексы по годам различается, однако для большинства индексов можно заметить отрицательное влияние увеличения валютного курса в некризисные для России годы 2011-2013. В 2014 году, когда произошел сильный скачок валютного курса, его влияние на отраслевые фондовые рынки стало положительным. Рост валютного курса стал оказывать позитивное влияние на фондовые индексы всех отраслей, кроме финансовой и машиностроения. Наличие отрицательного влияния на финансовую отрасль от увеличения валютного курса в кризисный период 2014-2015 годов, возможно, связано с тем, что в период резкого роста валютного курса банки и кредитные организации страдают из-за оттока денежных средств. Однако во время кризиса 2008 года для индексов машиностроения, металлов и добычи, нефти и газа наблюдается перемена характера влияния с положительного на отрицательное, для индексов телекоммуникаций и энергетики влияние валютного курса сохранилось отрицательным.

Заключение

платежный покупательский валюта бюджетный

В данной работе рассматривается проблема влияния валютного курса на отраслевые фондовые индексы в России. В анализируемый период были включены два кризисных промежутка: 2008-2009 гг. и 2014-2015 гг. Ранее подобных исследований в России не проводилось, поэтому работа является новаторской.

Для анализа были использованы данные по 8 отраслевым фондовым индексам за весь период их расчета. В качестве объясняющих факторов были выбраны валютный курс, индекс промышленного производства, индекс потребительских цен и объем денежной массы. Однако единая модель с данными факторами не подошла для всех отраслевых фондовых индексов, и в некоторые модели были добавлены такие факторы, как цена золота и объем привлеченных депозитов от частных лиц. Это позволило расширить модель, применяемую зарубежными исследователями для анализа влияния валютного курса на отраслевые фондовые индексы.

Основным итогом исследования является вывод, что валютный курс оказывает значимое влияние на все отраслевые фондовые индексы, кроме индекса потребительского сектора и энергетики. Было найдено положительное влияние валютного курса для индексов металлов и добычи, нефти и газа, химии и нефтехимии, финансовой отрасли. Отрицательное влияние валютного курса характерно для отраслевых фондовых индексов машиностроения и телекоммуникаций. Однако данное влияние является низким и несущественным по сравнению с влиянием других факторов.

Сравнение полученных результатов с результатами аналогичных зарубежных исследований затруднено тем, что отрасли, для которых рассчитываются фондовые индексы, в России и в США различаются, совпадают только отрасль телекоммуникаций и финансов. Для отрасли телекоммуникаций в России были получены схожие результаты, для нее наблюдается отрицательное влияние валютного курса. Для фондового индекса финансовой отрасли в России было найдено значимое положительное влияние валютного курса, в то время как для США оно оказалось незначимым.

Данная работа послужит основой для дальнейших исследований влияния валютного курса на отраслевые фондовые индексы. В будущем необходимо в первую очередь проанализировать влияние лаговых переменных на отраслевые фондовые индексы, т.к. валютный курс может оказывать запаздывающее влияние. Также можно включить в выборку индекс транспортной отрасли, который не рассматривается в данной работе из-за небольшого количества наблюдений. Другим направлением дальнейших исследований может стать поиск неучтённых факторов, которые также оказывают значимое влияние на отраслевые фондовые индексы.

Таким образом, изучение влияния валютного курса на отраслевые фондовые индексы будет полезно инвесторам для грамотного вложения денежных средств, а также политическим деятелям для стимулирования развития отраслей российской экономики.

Литература

1) Положение Банка России от 18.04.2006 № 286-П «Об установлении и опубликовании Центральным банком Российской Федерации официальных курсов иностранных валют по отношению к рублю».

2) Бадасен П.В., Картаев Ф.С., Хазанов А.А. Эконометрическая оценка влияния валютного курса рубля на динамику выпуска. Деньги и кредит №7. 2015.

3) Бродский Б.Е. О влиянии реального обменного курса рубля на российскую экономику. Прикладная эконометрика. 2006.

4) Евдокимова Т.В. Влияние реального обменного курса рубля на экономическую активность в России. Издательство Института Гайдара. 2013.

5) Лазарева Е.Е., Лысенко И.М., Шишов М.Н. Основные факторы, формирующие валютный курс российского рубля. Вестник Пензенского государственного университета № 2 (10). 2015.

6) Набережнов Г., Тофанюк Е., Ткачёв И., Алешкина Т. Центробанк поднял ключевую ставку до 17%. РБК. 2014.

7) Плотников В.А., Малых Е.Б. Влияние валютного курса на национальное производство, Финансы и кредит №34. 2012.

8) Полякова Ю. Банк России назвал основные причины падения рубля. РБК. 2014.

9) Шевцова О. Загадки бивалютной корзины. Эксперт. 2008.

10) Мировая экономика. Под ред. Колесова В.П., Кулакова М.В. - М.: ИНФРА-М, 2004.

11) Финансы, денежное обращение и кредит: учебник для академического бакалавриата. Под ред. Романовского М.В. - М.: Юрайт , 2014.

12) Bahmani-Oskooee M., Saha S. Asymmetry cointegration between the value of the dollar and sectoral stock indices in the U.S // International Review of Economics and Finance 46, 2016.

13) Groenewold N., Paterson J. Stock prices and exchange rates in Australia: are commodity prices the missing link? // Australian Economic Papers №12, 2013.

14) Habib M., Mileva E. The real exchange rate and economic growth: Revisiting the case using external instruments // Journal of International Money and Finance, 2017.

15) Hong K., Tornell A. Recovery from a currency crisis: some stylized facts // Journal of Development Economics. Vol. 76, 2005.

16) Kim Y., Ying Y. An empirical assessment of currency devaluation in East Asian countries // Journal of International Money and Finance Vol. 26, 2007.

17) Mishra S. The Quantile Regression Approach to Analysis of Dynamic Interaction Between Exchange Rate and Stock Returns in Emerging Markets: Case of BRIC Nations // The IUP Journal of Financial Risk Management Vol. 13, 2016.

18) Mundell R. Capital Mobility and Stabilization Policy under Fixed and Flexible Exchange Rates // Canadian Journal of Economic and Political Science. Vol. 29, 1963.

19) Prorok V., Paunoviж S. Cointegration between Stock Market Indices and Nominal Exchange Rates: Evidence from Transition Countries // Proceedings of the Faculty of Economics in East Sarajevo, Issue 10, 2015.

20) Tsagkanos A., Siriopoulos C. A long-run relationship between stock price index and exchange rate: A structural nonparametric cointegrating regression approach // Journal of International Financial Markets, Institutions & Money, № 25, 2013.

Размещено на Allbest.ru